[論文レビュー] Modeling complex species-environment relationships through spatially-varying coefficient occupancy models

Jeffrey W. Doser, Andrew O. Finley+4 more|arXiv (Cornell University)|Aug 4, 2023

Species Distribution and Climate Change参考文献 63被引用数 4

ひとこと要約

本稿では、計算効率を高めるために最近傍ガウス過程（Nearest Neighbor Gaussian Processes）とポリア・ガンマデータ補完を用いた階層ベイズ推論を用いて、単一および複数種の空間的に変化する係数（SVC）オカレンスモデルを導入する。この手法は、米国全域における最大繁殖期気温に対するグラスランド鳥類の場所特異的な反応を捉える際、標準モデルを上回る性能を示し、種-環境関係における顕著な空間非定常性を明らかにする。

ABSTRACT

Occupancy models are frequently used by ecologists to quantify spatial variation in species distributions while accounting for observational biases in the collection of detection-nondetection data. However, the common assumption that a single set of regression coefficients can adequately explain species-environment relationships is often unrealistic, especially across large spatial domains. Here we develop single-species (i.e., univariate) and multi-species (i.e., multivariate) spatially-varying coefficient (SVC) occupancy models to account for spatially-varying species-environment relationships. We employ Nearest Neighbor Gaussian Processes and Polya-Gamma data augmentation in a hierarchical Bayesian framework to yield computationally efficient Gibbs samplers, which we implement in the spOccupancy R package. For multi-species models, we use spatial factor dimension reduction to efficiently model datasets with large numbers of species (e.g., > 10). The hierarchical Bayesian framework readily enables generation of posterior predictive maps of the SVCs, with fully propagated uncertainty. We apply our SVC models to quantify spatial variability in the relationships between maximum breeding season temperature and occurrence probability of 21 grassland bird species across the U.S. Jointly modeling species generally outperformed single-species models, which all revealed substantial spatial variability in species occurrence relationships with maximum temperatures. Our models are particularly relevant for quantifying species-environment relationships using detection-nondetection data from large-scale monitoring programs, which are becoming increasingly prevalent for answering macroscale ecological questions regarding wildlife responses to global change.

研究の動機と目的

• 大規模な空間領域において一定の種-環境関係を仮定する標準オカレンスモデルの限界を扱う。
• マクロエコロジー研究で一般的ではあるがしばしば無視される、種-環境関係の空間非定常性を考慮する。
• 空間的に変化する係数における完全な不確実性伝搬を可能にする、計算的に効率的でスケーラブルな単一および複数種オカレンスモデルを開発する。
• 大規模なモニタリングデータを用いて、広範な空間スケールにおける種固有の環境ドライバーへの反応を正確に推論することを可能にする。
• 気温などの環境ドライバーが地域ごとに異なる方法で種の出現に影響を与えることに関する生態的洞察を促進する。

提案手法

• 空間的に変化する係数（SVCs）を用いた階層ベイズフレームワークを採用し、空間ごとに変化する種-環境関係をモデル化する。
• 大規模な空間領域におけるスケーラブルな計算を可能にするために、最近傍ガウス過程（NNGP）を用いる。
• 事後分布推論のための効率的なギブスサンプリングを促進するために、ポリア・ガンマデータ補完を適用する。
• 10種以上の種を含むデータセットを効率的に処理するため、空間的要因次元削減を用いて複数種モデルを実装する。
• 空間的変動する環境効果の完全な不確実性伝搬を伴うSVCの事後予測地図を生成する。
• モデルの適合度と計算コストのバランスをとるために、複数種モデルにおける最適な空間的要因数（q）の選定にWAICを用いる。

Figure 1: Spatial distribution of the $J=2,486$ North American Breeding Bird Survey (BBS) routes used in the grassland bird case study (A) and the two covariates, maximum breeding season temperature (B) and proportion of grassland area (C), included in the model.

実験結果

リサーチクエスチョン

• RQ1 グラスランド鳥類の種-環境関係は、米国本土全域において最大繁殖期気温にどのように空間的に応答するか？
• RQ2 複数種を同時にモデリングすることで、単一種モデルに比べて空間非定常性をどの程度よく捉えることができるか？
• RQ3 空間的に変化する係数オカレンスモデルは、気候変数への地域ごとの種反応の違いを検出および定量化できるか？
• RQ4 大規模データセットを用いた複数種SVCオカレンスモデルの計算的妥当性と収束特性はいかがなものか？
• RQ5 空間的に変化する係数における不確実性を完全に伝搬することは、生態的推論と意思決定にどのように寄与できるか？

主な発見

• 複数種SVCオカレンスモデルは、種-環境関係の空間的変動を捉える点で、単一種モデルを上回った。
• すべての単一種モデルにおいて、最大繁殖期気温とグラスランド鳥類の出現確率との間には顕著な空間非定常性が確認された。
• 完全に不確実性が伝搬された空間的変動係数の事後予測地図が生成され、空間全体にわたる確率的推論が可能になった。
• MCMCチェインの収束には、複数種モデルで最大500,000イタレーション、3コアで約42時間の計算時間が要された。これは計算上の要求の高さを示している。
• WAICを用いた空間的要因数（q）の選定により、モデル性能が最適化された。qが一定値を超えると、性能向上は著しく小さくなった。
• spOccupancy Rパッケージにより、これらのモデルのアクセス可能な実装が可能となり、大規模生態モニタリングデータに対するスケーラブルな推論を支援する。

Figure 2: Model comparison results for the 21 grassland bird species across the eight candidate models using WAIC. Models differed in whether they were single-species (SS) or multi-species (MS), whether they included an interaction of grassland and maximum temperature (INT), and whether they include